Statistik er, foruden at være en matematisk disciplin, et meget udbredt værktøjsfag, der anvendes på mange forskellige niveauer til udredning og beslutningstagning af meget varierende kvalitet. Statistiske metoders popularitet og væsentlige berettigelse ligger i, at de kan bruges til at påvise og identificere lovmæssigheder (f. eks. sammenhænge mellem observerbare variable), eller afsløre mangel på sådanne lovmæssigheder, alene på basis af observationer som er behæftet med støj eller tilfældig variation.

Men man kan desværre også - ofte med stort held - bruge floskler fra statistisk terminologi til at skjule faktiske sammenhænge, eller give pseudobegrundelser for sammenhænge der er mere eller mindre spekulative eller uklart formulerede. Denne form for misbrug kan være vanskelig at afsløre, fordi en tilbagevisning af et statistisk argument normalt kræver fuldt kendskab til den model eller metode der refereres til. Dette problem vedrørende "kvaksalveri", som vel har eksisteret lige så længe som det har været muligt at beskrive statistisk metoder løsrevet fra deres matematiske grundlag, er ikke blevet mindre af udbredelsen af effektive statistiske programpakker - snarere tværtimod.

Både når det gælder forskning og undervisning er dette kritiske aspekt måske det vigtigste at fremhæve som en del af centrets profil: Statistiske metoder skal bruges kritisk og objektivt. En negativ holdning til andres brug af statistiske metoder kan, i mange tilfælde, være lige så konstruktiv som en positiv holdning til (f.eks.) en ny klasse af modeller. At vælge model eller metode med henblik på at opnå bestemte konklusioner er dårlig statistik. Ved professionel brug af statistiske metoder er valget af model i de fleste tilfælde givet ved problemstillingen, bortset fra uvæsentlige detaljer. Et vigtigt krav til en statistisk model er, at den ikke må være mere kompliceret end problemstilling og datastruktur lægger op til.

På undervisningssiden er det vores beskedne ambition at gøre det så godt som muligt, med de begrænsninger der ligger i kursernes tidsmæssige rammer og de studerendes matematiske forudsætninger. Det er vores opfattelse, at selv om undervisningen på de fleste kurser (MØK-studiets kurser udgør her en undtagelse) nødvendigvis må præsenteres helt eller delvis uden det tilhørende matematiske begrebsapparat, så er det alligevel vigtigt at den varetages - eller i det mindste styres - af lærere, som er fuldt a jour med fagets grundlag og dets seneste udvikling. Ikke mindst på grund af fagets rivende udvikling på automatiserings- og beregningssiden (neurale netværk, data mining osv.) og disses samspil med de oven for nævnte muligheder for misbrug af metoderne.